平时写程序处理数据，排序是最常见的操作之一。但很多人只在数据乱序时测试算法，忽略了另一种极端情况——逆序数据。其实，面对完全倒着排的数据时，不同排序算法的表现差距能拉得特别大。
冒泡排序：逆序时最“受伤”
冒泡排序在理想情况下（数据基本有序）还能凑合用用，但一旦遇到完全逆序的数据，它的短板就暴露无遗。因为每一轮都只能把最小的数“浮”到前面，整个过程得来回比较 n² 次。比如有100个倒序数字，它就得比较近一万次，效率极低。
for (int i = 0; i < n - 1; i++) {
for (int j = 0; j < n - i - 1; j++) {
if (arr[j] > arr[j + 1]) {
swap(arr[j], arr[j + 1]);
}
}
}插入排序：逆序是它的“死穴”
插入排序在数据量小或接近有序时表现不错，可一旦数据完全逆序，每次插入都得把前面所有元素往后挪，相当于做了大量无用功。原本 O(n) 的理想情况直接退化成 O(n²)，和冒泡半斤八两。
快速排序：看“基准”选得巧不巧
快排在大多数情况下都很猛，但在逆序数据里如果还傻乎乎地选第一个元素当基准（pivot），那每次划分都会极不均衡——一边空一边堆满，结果退化成 O(n²)。解决办法是随机选基准，或者用“三数取中”，避免被特定数据“坑”了。
归并排序：稳如老狗
不管数据是正序、乱序还是倒序，归并排序始终维持 O(n log n) 的性能。因为它不分好坏情况，一律拆到底再合并。虽然空间开销大点，但在面对逆序数据这种极端场景时，反而显得特别靠谱。
实际场景中的影响
想象一下你做了一个学生成绩管理系统，默认按分数从高到低展示。如果新导入的数据恰好是按低到高排列的（即逆序），而你用的是插入排序，用户就会明显感觉到卡顿。换成归并或随机化快排，体验立马不一样。
所以别光在随机数据上测性能，逆序数据才是真正考验算法韧性的试金石。选对算法，不只是写得出，更是跑得快。